<![CDATA[Pemantauan tanda vital secara kontinu merupakan kebutuhan penting dalam perawatan klinis modern. Namun, penggunaan banyak sensor pada patient vital signs monitor, khususnya perangkat pengukur tekanan darah berbasis manset, dapat menyebabkan ketidaknyamanan serta meningkatkan kompleksitas peralatan. Penelitian ini berfokus pada pengembangan tahapan awal sistem estimasi tekanan darah berbasis sinyal electrocardiogram (ECG), yaitu proses deteksi puncak R dan ekstraksi fitur yang relevan sebagai masukan model prediksi. Sinyal ECG direkam secara real-time menggunakan Shimmer Electrocardiography Sensor melalui streaming Bluetooth, kemudian dilakukan pre-processing untuk mereduksi baseline wander dan noise. Selanjutnya, deteksi R-peak dilakukan menggunakan algoritma Pan-Tompkins++ yang lebih robust terhadap noise melalui adaptive thresholding, T-wave discrimination, serta mekanisme search-back untuk mengurangi missed beat. Berdasarkan posisi R-peak yang tervalidasi, diekstraksi fitur morfologis (HR, HRV, QT, QTc, TQ, SDI, SDIn) dan fitur statistik (RMS, Hjorth Mobility, Hjorth Complexity) sehingga terbentuk vektor fitur per siklus atau segmen yang siap digunakan pada tahap pemodelan regresi estimasi tekanan darah pada penelitian lanjutan.]]>
Copyrights © 2025
